统计6章.ppt

第六章 ;第一节  二项分布;分类资料：将观察单位按某种属性或类别分组,计分类个体数。最简单——分两类 总体：总个体数 某类个体数 非某类个体数 总体率（构成比）;样本：含量： 某类个体数 非某类个体数 样本率（构成比）;案例2: 抛一枚均匀硬币, 正面朝上的出现次数X及其概率: 0 (正面朝下) 1 (正面朝上) π 0.5 0.5 如果将此试验重复若干次，如10次，正面朝上的出现次数 X 可以为0,1,2,…,10, 则正面朝上的出现次数 X 的分布即为二项分布。;定义：;二项函数 展开式的通项 式中 且总有;二项分布有两个参数： 总体率 样本含量 记作：X～B(n，π) X 服从试验次数为n 和“阳性”的概率为π的二项分布 ;例6-1 某种药物治疗某种非传染性疾病的有效率为0.70。今用该药治疗该疾病患者10人，试分别计算这10人中有6人、7人、8人有效的概率。 本例n=10，π=0.70，X=6，7，8。按公式（6-1）计算相应的概率为 0.20012 ; ;一、二项分布的适用条件和性质 (一) 二项分布的适用条件 1. 每次试验只会发生两种对立的可能结果之一，即两种对立结果的概率之和恒等于1；(π,1- π) 2. 每次试验产生某种结果（如“阳性”）的概率固定不变； 3. 重复试验是相互独立的，即任何一次试验结果的出现不会影响其它试验结果出现的概率。 ;(二) 二项分布的性质 1. 二项分布的均数与标准差 在n次独立重复试验中，出现“阳性”次数X 的 总体均数为 总体方差为 总体标准差为 ;若以率表示，则样本阳性率p （p=0/n，1/n，2/n，…，n/n）也服从二项分布,其 总体均数为 总体方差为 总体标准差为 ;样本率的标准差也称为率的标准误，可用来描述样本率的抽样误差，率的标准误越小，则率的抽样误差就越小。 在一般情形下，总体率π往往并不知道。此时若用样本资料计算样本率p=X/n作为π的估计值，则 的估计为: ; 对于二项分布而言，当π=0.5时，分布是对称的，见图6-1； ;当 0.5时，分布是偏态的，但随着n的增大，分布趋于对称。当n 时，只要π不太靠近0或1，二项分布则接近正态分布，见图6-2。 ;图6-2. =0.4时，不同n值下的二项分布图;二、二项分布的应用 (一)总体率的区间估计 1. 查表法 对于n 50的小样本资料，直接查附表6百分率的95%或99%可信区间表，即可得到其总体率的可信区间。 ;例6-2 在对13名输卵管结扎的育龄妇女经壶腹部-壶腹部吻合术后，观察其受孕情况，发现有6人受孕，据此资料估计该吻合术妇女受孕率的95%可信区间。; 附表6只列出 的部分。当 时，可先按“阴性”数n-X 查得总体阴性率的 可信区间QL～QU，再用下面的公式转换成所需的阳性率的 可信区间。 PL=1-QU， PU=1-QL ;2. 正态近似法 根据数理统计学的中心极限定理可得，当n 较大、π不接近0也不接近1时，二项分布B(n,π)近似正态分布 ，而相应的样本率p 的分布也近似正态分布 。 为此，当n 较大、p 和1-p 均不太小如 np 和n(1-p)均大于5时，可利用样本率p的分布近似正态分布来估计总体率的 可信区间。 ; 的 可信区间为： 如： 的95%可信区间为 的99%可信区间为 ;;(二)样本率与总体率的比较( 与 的比较 ) 1.直接法 可利用二项分布直接计算有关概率，对样本率与总体率的差异进行有无统计学意义的比较。 比较时，在总体阳性率为π的n次独立重复试验中，一般有下面几种情形的概率计算：;（1）回答“差”或“低”的问题，则需计算出现“阳性”的次数至多为k次的概率为: （2）回答“优”或“高”的问题，则需计算出现“阳性”的次数至少为k次的概